云南省制造业转型升级影响因素研究

王鹏飞，李洋洋，余开朝，徐 雪



云南省制造业转型升级影响因素研究

王鹏飞，李洋洋，余开朝，徐 雪

（昆明理工大学，机电工程学院，云南 昆明 650504）

制造业转型升级是一项长期而复杂的系统工程。本文以云南省制造业企业为主要研究对象，以云南省“2017年新一轮工业转型升级项目1000个新开工项目”为基础，从中选择了部分具有代表性的企业，从内部影响因素和外部影响因素两个方面选取指标构建影响因素评价体系，利用经遗传算法优化的BP神经网络，构建出制造业转型升级影响因素评价指标模型，并使用MATLAB数学软件对所构建模型进行训练和测试，得出云南省制造业转型升级的主要制约因素，并据此提出相应建议。

制造业；转型升级；影响因素；转型策略；BP神经网络

0 引言

制造业是实现社会进步和国富民强的基础，是一个国家发展程度、综合竞争力、整体经济实力的最直观的表现。在欧美等发达国家纷纷制定“制造业回归”、“重振制造业”、“工业4.0”等战略及各种新兴工业技术不断涌现的背景下，我国也于2015年5月8日正式发布了《中国制造2025》，对我国制造业转型升级和跨越发展进行了整体部署。为积极响应国家的号召，云南省人民政府在2017年7月31日发布的《云南省工业转型升级规划（2016-2020年）（云政办发〔201〕36号）》[1]，把制造业列为云南工业转型升级的重要领域，促进制造业向数字化、智能化、绿色化、服务化发展。然而，制造业转型升级是一项长期而复杂的系统工程。通过分析当下世界范围内制造业转型升级的相关理论，参照制造业转型升级方面的国内外的一些成功经验，深入分析云南省制造业转型升级的紧要性以及所面临的各项问题，采用实地考查方式深入分析研究影响云南省制造业转型升级的因素，构建影响因素评价模型，得出相关结论，对于云南省制造业转型升级具有重要意义。

国内外学者针对制造业转型和升级做了大量研究。Miller[2]（2006）通过研究得出企业转型成功后的绩效与企业原有技术水平呈正相关的关系；Armbrust[3]（2010）阐述了制造业云计算这一全新的理念；Zhang[4]（2014）提出了云制造的概念。Dahlana[5]（2015）等研究了马来西亚航空工业在全球价值链方面的升级；Seth Pipkin,Alberto Fuentes[6]（2017）提出了一个称之为“诱导搜索”模型的升级框架，这一模型对发展中国家未来产业升级动态、国家干预技术和公共部门和私营部门行为者相互支持学习过程的研究具有重要意义。林温正[7]（2000）认为企业转型升级是通过改变主导、调整产业选择、改变企业内部经营管理策略等方式实现改变事业重点或重新定义事业的目的。孔伟杰[8]（2012）指出企业主要从跨行业领域或组织管理层面进行转型。金晶[9]（2009）指出我国制造业转型升级所面临的最大问题体现在缺乏创新能力、产品附加值低、竞争力较弱等方面；郭伟锋、王汉斌[10]（2012）等人认为政府、行业协会、环境、企业、产业链、产业协同这六大因素共同构成了制造业转型升级的协同影响因素模型；姚宏鑫、朱随洲[11]（2014）等人发现资源型民营企业转型升级的关键因素有：社会环境、企业家素质、制度、要素禀赋结构及其变化、技术等；金青，张忠[12]（2015）等人提出了企业转型升级的三种路径：扩大产品加工范围、提供阶段性服务、品质升级。

目前还缺少能对企业的转型升级提出一套可量化的评价标准，且对转型升级的效果还停留在定性的描述上。本文以转型升级背景下的云南省制造业企业作为研究对象，从制造业转型升级的要求入手，分析云南省制造业企业转型升级过程中的机遇和挑战，识别影响云南省制造业企业转型升级的因素，提出研究假设，通过问卷调查的形式，建立影响因素指标体系；然后，通过对遗传算法、BP神经网络基本原理的运用，建立影响因素评价模型，对模型进行验证分析并得出验证结果；据此，给出云南省制造业企业转型升级的相应建议。

1 BP神经网络和遗传算法

人工神经网络是以对生物体神经网络的认识和理解为基础，以生物体神经网络结构和功能作为模仿对象，而建立的一种具有许多简单的并行处理单元且能大量连接的并行分布式信息处理系统。按照功能和运算进行划分，神经网络包括前向神经网络、反馈神经网络以及自组织神经网络。在结构上，BP神经网络是由输入层、输出层、隐含层（中间层）共同组成的，是典型的多层网络。网络内部各层之间的神经元采用的是全连接方式，同一层中各神经元之间不允许有连接。且隐含层有单层的也有多层的，同外部处于隔离的情形，无直接的联系，但隐含层的状态会对输入与输出间的关系产生一定影响。可以说，其权系数关系着整个网络的性能。具体的网络结构如图1所示。

图1 BP神经网络结构示意图

BP神经网络模型的算法程序流程图如下图2 所示：

图2 BP算法程序流程图

遗传算法（Genetic Algorithms）是由J.H.Holland通过模拟自然遗传机制和生物进化理论，于上世纪60年代提出的一种搜索最优解的方法，简称GA算法。遗传算法的理论支撑来自遗传学说以及生物进化论，是一种具有高效率、自适应、并行处理、全局搜索的方案，在搜索过程中能自适应的起到控制作用，并得到最优解。遗传算法也是进化算法，其改进了传统算法易陷入局部极小值的弊端，通常由遗传操作、染色体编码机制、控制参数、适应度函数组成。

以生物学原理为研究基础的人工神经网络和遗传算法，两者的相结合研究，可以有效的借鉴各自的长处，为解决复杂问题开辟了更加有效的路径，另外通过两者的结合，我们能更充分的认识到进化与学习的相互关系。实际应用中，由于学习函数的复杂性BP神经网络通常会在梯度下降的过程中陷入局部极值进而导致训练失败或无法得到令人满意的结果，为了使网络的训练效果更好，需要一种可以搜索出全局极值的方法。遗传算法恰恰能有效的规避所研究问题陷入局部最小值的问题，所以使用遗传算法对BP神经网络改进，对于提升BP神经网络的泛化能力有显著作用，且能弥补BP神经网络的更多缺陷，如收敛速度较慢等。

2 云南制造业转型升级影响因素识别及指标体系构建

2.1 影响因素识别

首先，对云南省制造业现状和所面临问题进行分析，可以得知云南省制造业存在的问题突出表现在自主创新能力弱、产业结构层次低、产业集聚程度低等方面。在此基础上运用SWOT分析法对云南省转型升级进行分析，具体表现在，云南省制造业转型升级的优势为劳动力优势、产业基础较好、政策支持、高端化发展趋势明显；弱势表现在制造业企业创新能力低、研发投入少、行业领军型企业少；机遇则是转型升级有益于促进第二、三产业的深度融合、有益于新兴产业群体以及经济增长点的诞生、有益于云南省政治、经济地位的提升；挑战则为对工业基础领域的挑战、国内外同行业竞争压力加大的挑战、企业员工观念难以带来的挑战。在通过选择合理的影响因素识别方法的前提下，着重从内部影响因素和外部影响因素两个方面对云南省制造业转型升级的影响因素进行分析研究，得出影响云南省制造业转型升级的21个影响因素，利用调查问卷的方式获得所需的研究数据。

2.2 构建评价指标体系

通过国内外文献的研究以及对云南省制造业转型升级所面临的实际情况的分析，初步提出研究假设，根据研究假设开发出云南省制造业转型升级的影响因素量表，依托影响因素量表设计调查问卷，利用因子分析对所得样本数据整理分析，修改假设指标，得出云南省制造业企业转型升级的关键影响因素，进而建立云南省制造业企业转型升级关键影响因素指标体系，如表1所示。

表1 云南省制造业转型升级键影响因素指标体系

Tab.1 The index system of factors affecting the transformation and upgrading of Yunnan manufacturing industry

3 基于遗传算法优化BP神经网络的影响因素评价模型设计

3.1 输入层设计

根据所构建的影响因素指标体系，根据建模的方法，创建BP网络的输入层神经元，共16个影响因素指标，即：FA1、FA2、FA3、FA4、FA5、FA6、FA7、FA8、FA9、FA10、FA11、FA12、FA13、FA14、FA15、FA16。

3.2 输出层设计

本文的研究主要是为了对制造业企业转型升级的影响因素进行评价，并最终将评价结果划分为影响性高、影响性较高、影响性一般、影响性较低、影响性低，共五种评价结果，为使输出结果更加简单直观，对五种输出向量的模式进行设定。这五种输出向量各自对应着上面所说的五种评价结果，具体如表2所示。

表2 BP神经网络的输出向量的表示

Tab.2 Representation of Output Vector of BP Neural Network

3.3 隐含层设计

目前对于BP网络隐含层节点数的选定尚无一致的看法，多数研究都是依托实践中总结出来的一些经验公式，得到一个初始值的粗略估计值，再用试凑的方法来找出最适合的节点数，也就是在对同一样本进行训练时，逐步增加或减少隐含层节点数，综合分析训练时间和精确度两方面的指标来确立最佳隐含层节点数。常用的确定隐含层范围的公式如下：

式中，为1-10之间的常数，参照研究需要任意选取，为输入层节点数，为隐含层节点数，为输出层节点数。在本文的研究中，输入层设计有16个节点，输出层设计有5个节点，综合参考上述三个经验公式，隐含层的节点数取值范围为5-16个，本文中隐含层神经元数对精度影响并不大，随着其节点个数增加而使训练时间增长，依照Kolmogorve定理，选隐含层神经元个数为9个。

3.4 网络层数的设计

BP神经网络可以有单个或多个中间层，但通过大多数实践发现，单个隐含层即可满足解决问题的需要。所以本文也采用具有三层架构的神经网络，即输入层、隐含层、输出层各一层。在本文已经确立的各层条件的情况下，建立本文的模型架构图，如图3所示。

图3 BP网络模型架构图

4 基于MATLAB的BP神经网络影响因素评价模型的实现

将随机挑选的25组数据进行归一化处理后，导入网络，以检测经训练完成后的网络模型的泛化性能以及对新样本能否实现精准预测的功能。表3给出了针对25组数据的模型测试结果，图4给出了BP神经网络的识别误差曲线。

由表3可知，模型的期望输出与模型实际输出的向量类型全部一致，准确率高达100%。另外以0.7为阈值，若输出向量的最大值大于0.7，且输出向量为所期望的类型，则识别正确。从图4.5可以看出全部25组数据均大于阈值0.7识别正确。综上可知，使用经遗传算法改进优化的BP神经网络所构建的云南省制造业企业转型升级影响因素评价模型预测成功，充分说明模型是准确有效的，该模型可以用来对云南省制造业企业转型升级影响因素进行实证研究。

通过调查问卷，采集到云南省在企业发展规划、转型升级方面的部分行业内专家对影响制造业转型升级的16个因素的打分表，仿真开始之前，首先把所得数据进行初处理，然后输入已经建立的模型，进行仿真实验。处理后的各指标专家评分表如表4所示。

将表中数据输入到所建立的模型中，经模型仿真后，输出结果如图5所示。

图5显示，输出向量Y=[0.9523 0.0009 0.0002 0.0012 0.0245]，结果趋向于影响性高的类别，这也表明如果企业的各指标得分跟专家打分情况相似那么该企业转型升级成功的可能性高。

表3 模型检测结果

Tab.3 Model detection results

图4 BP神经网络的识别误差曲线

表4 专家评分表

Tab.4 Expert scoring table

在分析的基础上，根据行业内专家提供的16个指标的评分情况，可以得出：企业资本积累、企业融资能力、企业研发投入及技术改进能力、企业营销及品牌建设能力、政府优化融资环境能力、同地区同类型企业过去转型升级经验的影响、大型国有同类型企业转型升级经验的影响这七个指标对云南省制造业转型升级影响性最高。结合云南省制造业发展现状从企业、政府、社会三个层面给出适合推进云南省制造业转型升级的相应建议。

（1）企业层面

1）提高企业研发投入及技术改进能力

2）增强企业营销及品牌建设能力

3）加强企业融资能力

4）扩大企业资本积累

（2）政府层面

政府是转型升级的倡导者，也是最主要的外部促进力量之一，更是云南省制造业转型升级的重要引导因素。政府不断优化融资环境能力。政府可以通过强化金融基础设施建设、完善配套政策和措施、强化货币政策的针对性、加大利率市场化改革力度、完善中小企业信贷考核体系等方式解决企业的融资难问题，不断优化企业的融资环境，为转型升级提供强大的政策和资金支持。

（3）社会层面

1）加强同地区同类型企业之间的沟通合作；

2）定期组织学习观摩团到大型国有同类型企业去参观学习。

图5 专家评分仿真结果图

5 结论

文章以云南省部分制造业企业为研究对象，以影响制造业转型升级的因素为研究主题，通过对国内外文献的整理和分析，采用问卷调查、推理假设、数值统计分析、数学建模等方法，定性与定量相结合，建立了云南省制造业转型升级影响因素的指标体系，之后，文章结合遗传算法和BP神经网络基本原理，使用遗传算法对BP神经网络改进优化，构建影响因素评价指标模型，最后对经过模型验证的行业内专家提供的16个指标的评分情况，从中选择评分较高的7个指标，分别从企业、政府、社会三个大层面对这7个指标进行分析，给出云南省制造业转型升级的相应建议。

[1] 云南省人民政府办公厅关于印发云南省工业转型升级规划(2016-2020)的通知.

[2] Miller, D.J. Technological diversity related diversification and firm performance[J]. Strategic Management Journal, 2006, (27): 601-619.

[3] Armbrnst M, Fox A, Grimth R, et a1. A view of cloud computing[J]. Communications of the ACM, 2010, 53(4): 50-58.

[4] Zhang L, Luo Y L, Tao F, et a1. Cloud manufacturing: A new manufacturing paradigm[J]. Enterprise Information Systems, 2014, 8(2): 167-187.

[5] Jaslin Md Dahlana. Omar Samata, Akmal Aini Othman. Upgrading in Global Value Chainof Malaysian Aviation Industry[J]. Procedia Economics and Finance. 2015(31): 839- 845.

[6] Seth Pipkin, Alberto Fuentes. Spurred to Upgrade: A Review of Triggers and Consequences of Industrial Upgrading in the Global Value Chain Literature[J]. World Development, 2017, 10(9-8): 536-554.

[7] 林温正. 台湾传统集团企业转型策略之研究[D]. 台湾, 国立台湾大学, 2000.

[8] 孔伟杰. 制造业企业转型升级影响因素研究——基于浙江省制造业企业大样本问卷调查的实证研究[J]. 管理世界, 2012(9): 120-131.

[9] 金晶. 金融危机对我国制造业的影响[J]. 经营管理者, 2009, (2): 53.

[10] 郭伟锋, 王汉斌, 李春鹏. 制造业转型升级的协同机理研究——以泉州制造业转型升级为例[J]. 科技管理研究, 2012, 23: 124-129.

[11] 姚宏鑫, 朱随洲, 王根厚, 等. 资源型民营企业转型升级的决定因素[J]. 中国国土资源经济, 2014(2): 69-72.

[12] 金青, 张忠, 陈杰. 基于典型案例的苏南制造业转型升级路径与对策研究[J]. 科技进步与对策, 2015(18): 51-57.

Research on the Influencing Factors of Manufacturing Transformation and Upgrading in Yunnan Province

WANG Peng-fei, LI Yang-yang, YU Kai-chao, XU Xue

(College of Mechanical and Electrical Engineering, Kunming University of Science and Technology, Kunming, Yunnan 650000)

The transformation and upgrading of manufacturing industry is a long-term and complicated system engineering.The thesis focused on the manufacturing enterprises in Yunnan Province as the main research object, Based on the "1000 new projects of industrial transformation and upgrading in 2017" in Yunnan, some representative enterprises were selected. From the two aspects of internal and external factors set up an evaluation index system for factors affecting manufacturing transformation and upgrading. Used the Genetic Algorithm to optimize the BP neural network, built the evaluation index model of factors affecting the transformation and upgrading of manufacturing industry, and used mathematical software MATLAB to build the model for training and testing. Obtained the main constraints of the transformation and upgrading of manufacturing in Yunnan Province , and corresponding suggestions were made accordingly.

Manufacturing; Transformation and upgrading; Influencing factors; Transformation strategy; BP neural network

TP183

A

10.3969/j.issn.1003-6970.2018.09.026

王鹏飞(1993-)，男，研究生，主要研究方向：生产及制造系统工程；李洋洋(1991-)，男，研究生，主要研究方向：生产及制造系统工程；余开朝(1962-)，男，教授，主要研究方向：生产及制造系统工程；徐雪(1990-)，女，研究生，主要研究方向：生产及制造系统工程。

本文著录格式：王鹏飞，李洋洋，余开朝，等. 云南省制造业转型升级影响因素研究[J]. 软件，2018，39（9）：127-132